13年老兵翻车实录：为什么中证 1000 回测出了 30% 的年化？

一、 一眼假的“神级”数据

最近我的定投回撤程序跑出了一个让我哭笑不得的数据。

看上面这张截图：中证 1000 指数，持有 9.4 年，年化收益率居然高达 30.16%。

作为一名有着 13 年投资经验的老兵，我看到这个数字的第一反应不是兴奋，而是尴尬。中证 1000 是什么量级大家心里都有数，长期年化 30%？那巴菲特都得管我叫师傅。

再看胜率，0.0%。这个好理解，因为我目前只有买入定投，还没有执行卖出策略，没有平仓就没有胜率。但那个年化 30% 是怎么蹦出来的？

二、 破案了：除权价导致的“虚假繁荣”

基金拆分导致净值大变动

排查了代码逻辑后，我抓到了那个隐藏的 Bug：我系统里用的是“除权价”。

在金融数据处理中，除权、前复权、后复权是三个完全不同的概念，直接决定了回测的生死：

1. 除权价（未复权）： 这是最原始的市场成交价。但问题是，股票或基金会分红、送股。一旦除权，股价会由于资产折算出现一个巨大的跳空缺口。

   • 我的 Bug 所在： 程序在计算资产总值时，由于没有处理这些权息变动，导致价格序列在某个时间点发生了“畸变”。系统误以为我持有的资产凭空翻了倍，从而算出了 30% 这种逆天的年化收益。

2. 前复权（Forward Adjusted）： 以当前价格为基准。虽然能看清现在的相对位置，但历史价格会被改写，甚至出现负数，不适合严谨的资金回测。

3. 后复权（Backward Adjusted）：——回测的“唯一真理” 以历史起步价为基准。它模拟了如果你从第一笔钱投进去，把所有的分红再投资、送股折算后的真实资产增长。做量化回测，必须、只能、绝对要用后复权数据。

三、 程序员的自我修养：敬畏数据

这次“翻车”给我上了一课。

作为程序员，我们总觉得代码逻辑通了就万事大吉。但在量化领域，数据的“干净”程度比代码逻辑更重要。 如果底层的数据源（除权/复权）选错了，你跑出来的任何策略都是垃圾（Garbage In, Garbage Out）。

中证 1000 不可能给我 30% 的年化，这个“异常数据”反而帮我修正了程序最底层的逻辑漏洞。

四、 下一步改进

1. 重构数据层： 全面接入后复权历史行情数据。

2. 压力测试： 在修正数据后，重新跑一遍中证 1000 的真实年化，看看我那套“阶梯加码”策略在真实环境下的表现。

写在最后： 回测不是为了自嗨，而是为了在实盘之前，尽可能多地发现自己的无知。

特别声明： 以上内容仅为个人技术尝试，不构成投资建议。回测千万条，复权第一条，数据不规范，钱包两行泪。